实习参与作为学术自我概念代理与就业能力结果间的预测路径：基于公共本科生就业能力数据集的层级注意力中介就业能力网络（HAMEN）证据

《Frontiers in Psychology》：Internship engagement as a predictive pathway between an academic self-concept proxy and employability outcomes: evidence from a public undergraduate employability dataset

　　

摘要翻译
背景：高等教育中的就业能力胜任力（Employability Competencies）既反映学业指标也反映体验式学习。本研究使用层级注意力中介就业能力网络（Hierarchical Attention Mediated Employability Network, HAMEN），考察行为实习参与代理（Behavioral Internship Engagement Proxy, IE-P）是否在学术自我概念代理（Academic Self-Concept Proxy, ASC-P）与就业能力结果之间提供一条预测性的间接路径。由于源数据为横截面观察性数据，中介效应严格解释为关联性预测分解而非因果机制。方法：研究人员对Kaggle上公开的包含1,200条本科生记录的数据集（未注明机构和国家来源）进行二次分析。学术自我概念代理（ASC-P）由平均绩点、核心科目成绩和学业一致性构建，行为实习参与代理（IE-P）由实习和学习接触指标构建。数据按70%/15%/15%划分为训练集、验证集和测试集；预处理仅在训练集上拟合，HAMEN超参数使用五折交叉验证选取。性能采用R²、均方根误差（RMSE）、平均绝对误差（MAE）、Bootstrap置信区间和预先指定的假设检验进行评估。结果：HAMEN的R² = 0.89，RMSE = 3.84，MAE = 2.97，优于线性回归（R² = 0.71）和结构方程模型（R² = 0.78）。与ASC-P相关、经IE-P路径的模型间接预测成分为0.61（占总成分0.90的68%；95% CI [0.55, 0.67]；Holm校正p < 0.001），直接预测成分为0.29（占32%；Holm校正p < 0.001）。结论：HAMEN提升了就业能力分数预测，并将最大的参与注意力权重分配给实习时长和项目经验。结果仅指示预测性关联；并不能证明学术自我信念或实习参与因果性地产生就业能力结果，因为这些构念均为代理测量，且数据集不提供时间顺序。

论文解读

研究背景与问题

在高等教育领域，实习是将理论学习与工作场所实践相连接的关键环节，尤其在应用型专业中发挥着不可或缺的作用。然而，实习成果在不同个体之间存在显著差异，表明学业、行为及情境特征对实习效果的预测具有重要价值。学术自我概念（Academic Self-Concept）是描述学生对自身学业能力主观信念的心理学构念，通常需要使用经过验证的自我报告量表进行测量，如自我描述问卷（Self-Description Questionnaire）等。但以往研究普遍存在一个问题：常将平均绩点（GPA）和课程分数这类反映学业成就、努力程度和教育机会的客观指标，与主观的学业自我信念混为一谈。同样，实习参与（Internship Engagement）通常指行为、情感和认知层面的卷入，其有效测量也需要借助乌得勒支工作投入量表（Utrecht Work Engagement Scale）等心理测量工具，而实习时长、项目数量等客观指标仅能捕捉接触和参与的程度，并不能完整反映参与的心理体验。

另一方面，以往研究多是对学业信念和参与进行单独分析，且传统的回归模型和结构方程模型可能无法捕捉复杂的非线性预测模式。学术界日益关注就业能力，但学业表现并不必然意味着就业能力，实习在时长、相关性和参与度方面也存在差异。针对上述方法学缺口，本研究将客观学业成就指标和体验式参与指标整合到一个统一的预测框架中，并明确将其标记为代理变量（Proxy），将解释严格限定在关联和预测范围内。

研究目的与意义

研究人员设定了六个相互关联的目标：（1）量化学术自我概念代理（ASC-P）与行为实习参与代理（IE-P）之间的关联；（2）考察IE-P与就业能力竞争力分数（Employability Competitiveness Score, ECS）之间的预测性关联；（3）估计ASC-P与ECS之间的直接预测成分；（4）估计ASC-P经IE-P的间接预测成分，但不对其进行因果中介解释；（5）开发基于HAMEN的深度学习模型以预测就业能力竞争力；（6）使用留出评估和Bootstrap方法验证模型性能、稳健性、假设检验及特征排序稳定性。该研究在教育心理学领域的贡献具有明确的方法学和解释边界：展示了如何将客观学业成就指标和体验式参与指标作为透明标记的代理变量，用于防泄漏的预测框架，同时维护预测与心理测量之间的区别。

主要关键技术方法

本研究使用Kaggle上公开的本科生就业能力数据集（Undergraduate Employability Dataset），包含1,200条本科生记录，未注明机构和国家来源。研究人员将记录按ECS五分位数分层后，以随机种子202606划分为840条训练记录（70%）、180条验证记录（15%）和180条锁定测试记录（15%）。所有插补、编码、缩尾和缩放参数仅在训练记录上拟合。ASC-P由标准化后的平均绩点、核心科目成绩和学业一致性按等权重（各三分之一）复合构建；IE-P由实习时长、项目经验、在线学习时长、证书数量、网络活动和研讨会参与六个标准化指标按等权重（各六分之一）复合构建。HAMEN模型架构包含三个阶段：学术代理编码器产生ASC-P指标的压缩非线性表示；参与网络对IE-P指标分配相对注意力权重并生成参与表示；两个表示拼接后传入就业能力预测器。训练采用Adam优化器，通过随机搜索评估60种配置，使用五折交叉验证选取超参数。采用基于梯度的分解方法将模型预测分离为直接和间接预测成分，并使用1,000次Bootstrap重采样量化稳定性，置信区间取第2.5和97.5百分位数。

主要研究结果

描述性与相关性发现：ASC-P、IE-P和ECS的分布经过训练集衍生的预处理后，ASC-P在各记录间呈现中等离散度，IE-P在实习接触和学习参与方面变异更大，ECS经标准化和缩尾处理后大致对称。ASC-P与IE-P呈正相关（r = 0.62），IE-P与ECS呈强相关（r = 0.78），ASC-P与ECS呈中等相关（r = 0.58）。GPA与ASC-P的相关性最强（r = 0.71），技能指数与ECS相关性最强（r = 0.74）。这些系数指示的是并发的统计关系，不能建立因果关系。

预测路径与模型性能：HAMEN模型学习两个潜在表示——学术指标的h_ASC和实习与学习接触模式的h_IE。在预测路径分解中，间接预测成分（ASC-P → IE-P → ECS）为0.61，占总模型成分0.90的68%；直接预测成分（ASC-P → ECS）为0.29，占32%。Bootstrap分析显示间接成分的标准误为0.03（95% CI [0.55, 0.67]），直接成分的标准误为0.04（95% CI [0.21, 0.36]），总成分为0.90（95% CI [0.86, 0.94]）。

注意力权重解读：在IE-P注意力模块中，实习时长权重最高（0.24），其次为项目经验（0.21）、在线学习时长（0.18）、证书数量（0.17）、网络活动（0.12）和研讨会参与（0.08）。综合梯度全局特征重要性排序进一步显示，在涵盖学业、技术和参与输入的更广泛输入集中，实习时长排名第一（0.24），项目经验第二（0.21），编程技能第三（0.19），核心科目成绩第四（0.16），在线学习时长第五（0.12），网络活动第六（0.08）。

模型比较：HAMEN在锁定测试集上的R² = 0.89，RMSE = 3.84，MAE = 2.97，显著优于结构方程模型（R² = 0.78, RMSE = 5.31, MAE = 4.26）和线性回归（R² = 0.71, RMSE = 6.42, MAE = 5.18）。配对Bootstrap检验确认测试误差的降低具有统计学显著性。

描述性分组分析显示，低IE-P组的平均ASC-P为0.52、平均ECS为0.48；中等IE-P组分别为0.66和0.63；高IE-P组分别为0.79和0.86。六项预先指定的假设均满足Holm校正显著性标准。

讨论总结与研究结论

讨论部分强调，本研究评估的是未指定来源的公共数据集中客观学业指标、行为实习参与指标与就业能力竞争力之间的非线性预测框架。修订后的解释特意将ASC-P和IE-P与经过验证的心理构念进行区分，将HAMEN分解视为关联性而非因果性。描述性结果显示ASC-P、IE-P和ECS均为中等到较高的标准化值，IE-P的离散度更大，表明观察到的实习接触和学习参与在不同记录间的变异大于所选学业指标。相关结构与预测排序一致，但并发相关不能证明时间先后性，未测量的因素（如学科、社会经济资源、机构支持或先前的职业动机）可能同时影响这三种复合指标。注意力分析和综合梯度分析回答不同的解释性问题：前者比较六个IE-P指标在注意力模块内的相对权重，后者在更广泛的输入范围内比较选定的输入。实习时长和项目经验在两项分析中均排名靠前，但结果反映模型依赖关系，可能因样本、测量定义或模型规格的不同而变化。

研究结论：HAMEN提供了准确的ECS留出预测，并识别出通过IE-P的模型间接预测成分大于与ASC-P相关的直接成分。实习时长和项目经验获得了最大的参与注意力权重。这些结果支持预测性关联框架，而非心理中介的因果解释。本研究应理解为对通用公共本科生就业能力数据集的二次分析，代理构念不应被视为学术自我概念或实习参与的经过验证的测量工具。